一种用于评估航空磁测数据集的数据挖掘技术融合Python应用
信号处理
2020-06-15 v1
摘要
设计并实现了一种新颖的数据挖掘技术（DMT）融合Python应用，以定位、识别并描绘研究区下方感兴趣特征的地下构造格局（SSP）的源岩。机器学习工具（MLT）技术有助于确定磁异常源（MAS）岩石以及这些地下源岩特征的各种深度。主要目标是使用简便的DMT来定位承载矿化的感兴趣磁异常特征。通过结合Oasis Montaj© 2014源参数成像功能的应用，所需的用于促进SSP描绘的地理参考放射性数据得到了充分覆盖。使用了相关的数据约简基本滤波技术来提高信噪比（S/N），从而在对网格化地理参考航空磁测数据集应用DMT之前自动确定各种关注特征的深度。地质源岩模型（GSRM）（即岩体接触带、岩脉）根据其结构指数（SI）值作为描绘特征。异常呈垂直取向，仅有少量无关紧要的非垂直特征，且总体上沿NNE-SSW和NE-SW方向排列。DMT方法通过融合该区地下重力构造特征（SGSF），在地质时间尺度（GTS）上表明磁异常格局（MAP）控制着SSP和地表地层（GSS）。DMT利用3×3窗口尺寸确定了这些地下地质源岩特征的深度，最大深度约为1.277 km，从而圈定感兴趣的隐伏特征。
引用
@article{arxiv.2006.07236,
title = {A novel fusion Python application of data mining techniques to evaluate airborne magnetic datasets},
author = {John Stephen Kayode and Yusri Yusup},
journal= {arXiv preprint arXiv:2006.07236},
year = {2020}
}
备注
A novel fusion Python application of data mining techniques to evaluate airborne magnetic datasets has 13 pages, 6,661 words, 39,592 characters without spaces, 46,213 characters with spaces, 104 paragraphs, and 558 lines